Content Preview: rss
422 days ago
2007年7月10日： 体重 5.52kg 42天 身高 58cm 头围 38cm 2007年10月6日： 体重 8.43kg 4个月6天 身高 65.7cm 头围 41.8cm 2008年9月28日： 体重 11.8kg 15个月29天 身高 84cm 头围 47.5cm 牙齿 8颗 智测： 大运动（走、跑、跳） 18个月 精细动作（抓、拿、放） 15个月 适应能力 18个月 语言 12个月（还是不会说话） 社交 15个月 骨密度：正常 验血：正常
496 days ago
在论坛里看到了这两篇文章，挺有意思的，贴过来大家分享一下。 一、就这样浅显地理解了fmea，spc和ppap(活学活用的典范啊) 汤姆是一位汽车工程师，一个上小学二年级8岁男孩的父亲他们的家庭生活会有什么不同吗？ 其实汤姆和其他父亲也没什么区别，当然每个父亲都关心自己的孩子，尤其关心孩子的身体健康和安全，这不，父亲正为孩子上学路上可能发生的情况苦思苦想呢。汤姆想到了孩子上学路上可能会贪玩，因而上学迟到，被老师处罚，因而耽误学习（汤姆认为发生的可能性较大，他选择发生度O=5或6）；也想到了路上有一个马路需要孩子横穿过去，发生交通事故的可能性也有，当然不是很大（汤姆认为发生度O=3或4）。当然还有其他可能发生的事情，但发生的可能性都非常小（汤姆认为发生度O=1或2），所以不再考虑。接着汤姆分析，上学迟到是一件风险不是很大的事情，仅仅影响学习而已，他将风险系数确定为S=4或5，而发生交通事故的确是个大问题，父亲将风险系数确定为S=9或10。接下来汤姆开始寻找对策，如何不让上述情况发生或一旦发生后损失最小，当然最好的办法是父亲每天送孩子上学，可是汤姆因为工作原因做不到这样，最后汤姆想出了办法，他每天写一个纸条让孩子交给老师签字，这样汤姆就可以监控孩子每天是否按时到学校（汤姆认为探测度非常高，确定D=3或4）；汤姆为孩子选择了一条可以不横穿马路的上学路径，从而使发生的可能性降的很低（汤姆确定新的发生度为O=1）。孩子不解地问父亲为什么这样做？汤姆神秘地告诉孩子他的这种方法是汽车行业非常流行的潜在失效模式及后果分析（英文简称FMEA），孩子不以为然，但还是按照父亲的办法执行了。 汤姆还关心的是孩子的学习成绩，因为没有时间照顾孩子，便为孩子每次考试成绩做了曲线图（汤姆告诉孩子这叫X-R控制图，是统计过程控制SPC的一种），孩子不明白，问父亲这图有什么用，汤姆告诉孩子可以用来监控学习成绩的变化，以便及早做出预防，比如：有超出控制限的点或连续几点上升或下降，都需要作出分析，找原因。孩子笑了，问父亲：“如果连着上升不就说明成绩变好了吗，还分析什么”？汤姆严肃地告诉孩子，即使连续上升也要分析，分析的目的是找出变好的原因，以便形成标准并加以巩固，孩子似懂非懂地点点头。 ...
